“如果AI想要成为你训练中的好队友，它必须像人一样学习。”
在军事训练与虚拟仿真领域，传统的“NPC”（非玩家角色）常被批评为呆板、不真实。它们大多依赖预设规则，缺乏对环境的理解与适应能力。而现在，南加州大学（USC）的研究团队正试图彻底改写这一现状。
在由 USC 创意科技研究院（ICT）发起的 Human-inspired Adaptive Teaming Systems（HATs）实验室中，研究人员正致力于开发能够与人类协同作战的合成智能体（Synthetic AI Agents），打造真正“懂战术、会协作、能学习”的AI战友。
本研究由 HATs 实验室主任 Volkan Ustun 博士领导。Ustun 博士是一位长期从事多智能体强化学习（MARL）、智能仿真系统和认知架构研究的专家，曾在 Rice 和 Georgia Tech 博士后工作，目前在 USC 专注于打造“真正智能”的虚拟战斗个体。
传统规则驱动的模拟个体往往效率低、可扩展性差，还不智能。
HATs 实验室提出一种更具前瞻性的解决方案：
用“人类启发式的智能架构”+“多智能体强化学习”+“图神经网络（GNNs）”+“大语言模型（LLMs）”，构建可自适应、可交互的“数字战友”。
这些智能体可以：
识别人类受训者的意图与需求；
适应不同地形、战术、组织结构；
提供真实而具有挑战性的训练环境。
✅1. 利用组织结构优化奖励设计
研究表明，在军事仿真中引入“上下级指挥结构”，可以显著简化奖励函数设计，提升多智能体的协作效率。
✅2. GNN建模复杂环境，提高战术策略智能
在部分可观环境中，GNN 可以帮助AI智能体更好理解环境结构与邻接关系，增强推理与策略生成能力。
✅3. Unity引入“航点机制”，大幅提升学习效率
通过引入航点导航系统，简化虚拟空间复杂度，同时保持战术深度，实现低成本高效率的强化学习训练。
✅4. AI模拟侦察任务中对抗势力（OPFOR）
HATs Lab 成功训练了 RL 智能体扮演“敌方势力”，执行真实侦察对抗任务，减轻真人扮演负担，增强仿真现实感。
Ustun 博士表示，HATs 的愿景不仅是训练“反应型”智能体，更要打造具备：
🧠 适应性行为
👥 人类协同能力
🎓 类人经验学习机制
他们的研究已经从传统认知架构过渡到更现代的机器学习范式，并正探索将此类智能体用于：
军事任务规划；
决策辅助系统；
实时战术建议生成；
甚至训练中评估学员表现。
AI 不止是对手，也可以是战友
HATs Lab 让我们看到一个未来图景：
AI 不再只是训练平台的背景角色，而是可以真正“理解你、配合你、挑战你”的“数字队友”。
这种具备认知、社交和策略能力的合成智能体，将彻底革新人机协同的未来，不止于军事，也可能广泛应用于：
灾难响应；
安全演练；
团队管理；
人因工效评估等领域。
参考论文
https://ict.usc.edu/news/essays/training-synthetic-ai-agents-to-work-well-with-humans/
如果您觉得有收获，点击在看，把他推荐给更多朋友~
您的支持是作者的最大动力！
欢迎赞赏作者，留言讨论~
长
按
关
注
更多AI、人因工程与核安全相关内容，欢迎关注本公众号，持续推送前沿研究与应用实践！
